Индустрия наблюдения Земли (Earth Observation) достигла $5,4 млрд в 2024 году, а к 2034 году потенциальный рынок может почти удвоиться. Однако за цифрами скрывается острый кризис: данных становится всё больше, а пригодных для реальных решений — катастрофически мало. Спутники штампуют терабайты, но бизнес, фермеры, страховщики и климатические аналитики по-прежнему не получают того, что им действительно нужно: надёжного, готового к использованию сигнала.

Традиционная модель «tasking» устарела. Она предполагает, что клиент платит за редкий и ценный кадр. Сегодня на орбите сотни коммерческих спутников, и дефицита снимков больше нет. Но модель ценообразования не изменилась. Клиент по-прежнему покупает квадратные километры — и получает сырое изображение, которое несёт на себе отпечаток атмосферы, угла съёмки, калибровки сенсора и солнечного освещения.

Разница между двумя снимками одного и того же места может достигать нескольких процентов радиометрического расхождения — что часто равноценно самому измеряемому параметру (например, влажности почвы или биомассе). Вместо готового факта клиент получает головную боль.

Марк Приоло (Overture Maps Foundation) назвал это «геопространственным налогом». На практике 80% времени аналитика уходит не на анализ, а на приведение данных к единому виду: коррекцию атмосферы, привязку, калибровку, фильтрацию шумов. Подготовка данных стоит столько же или больше, чем их заказ.

Когда вы продаёте сырой снимок, вы перекладываете эту работу на клиента. Для малого бизнеса или непрофильной компании это непреодолимый барьер. В результате дорогой снимок так и остаётся «дорогой картинкой», а не основой для принятия решений.

Индустрия часто предлагает «аналитику как сервис» как выход наверх по цепочке создания стоимости. Но это лишь симптом, а не лечение. Пользователь не просто отдаёт интерпретацию на аутсорсинг — он передаёт ту же самую проблему несовместимости данных, только упакованную в красивый отчёт.

Когда временные ряды растут, а данные поступают с разных сенсоров (Landsat, Sentinel, Planet, Maxar), несоответствия накапливаются. Модели машинного обучения, которые кормят этими данными, начинают «дрейфовать» и выдавать ошибки. AI требует стабильных входных сигналов. Без них никакая, даже самая продвинутая аналитика не сработает.

То, что выглядит как проблема аналитики, в 90% случаев — проблема качества и согласованности исходных данных.

Изображение отвечает на вопрос «как выглядит?». Измерение отвечает на вопрос «как изменилось и насколько?». Для мониторинга углерода, засух, строительства или страхования урожая нужны именно измерения. А для этого требуется:

Без этого масштабирование невозможно. Именно поэтому появились стандарты Analysis Ready Data (ARD) — данные, которые уже приведены к единому виду. Но они пока не стали нормой коммерческого рынка.

Когда видимая оптика (RGB) становится товаром с падающей ценой, реальное преимущество переходит в «невидимые» диапазоны:

Но извлечь стабильный сигнал из этих диапазонов гораздо сложнее. Требуются сверхточная калибровка, контроль температуры сенсора, знание атмосферы. Это создаёт высокий барьер входа и смещает конкуренцию от количества пикселей к доверию к сигналу.

Одноразовая продажа снимков уходит в прошлое. На смену приходят подписки, API и потоки готовых метрик. Заказчику больше не нужен файл .tif — ему нужен ответ: «На этом поле за последнюю неделю влажность упала на 12%». И он хочет получать такой ответ автоматически, ежедневно, с гарантией достоверности.

Индустрия уже решила проблему доступа. У неё ещё есть время решить проблему доверия. Но пока цена определяется за квадратный километр сырых пикселей, а не за достоверность измерительного сигнала, рынок будет тонуть в данных и голодать по решениям.

Снимок больше не продукт. Продукт — это проверенное, согласованное во времени измерение.

На основе статьи https://geoawesome.com/why-earth-observation-is-drowning-in-data-but-starving-for-decision-ready-intelligence/